一种快速全局聚类算法应用于化工建模的数据提取

分别采用模糊C-均值聚类方法和快速全局C-均值聚类两种算法实现化工建模所需训练数据的有效提取.实验结果表明,采用快速全局C-均值聚类算法在时间和数据的准确及有效性等方面都比模糊C-均值聚类有所提高.     

基于改进模糊C均值聚类算法的乙烯裂解原料识别

乙烯裂解过程中原料变化种类多,其原料分析仪因价格昂贵工业现场很少配备,为此实现油品属性的在线识别对实现裂解过程在线优化具有重要意义。由于传统模糊C均值算法隶属度的求取是基于欧氏距离,其算法只包含均值中心,带来聚类效果的单一性。为了充分利用裂解原料的有效信息,提出了基于混合概率模型的模糊隶属度设置方法,即通过建立混合高斯模型实现对聚类样本隶属关系的概率分布描述,并利用EM算法进行模型参数的极大似然估计。该算法可在考虑样本均值中心的前提下,进一步有效利用样本协方差与权重系数信息进行模式判别。最后,以经典IRIS数据聚类、乙烯裂解原料识别为仿真实例,验证了本文所述方法在Dunn指标和Xiebieni指标上明显优于模糊C均值聚类算法,表明了该方法的有效性。     

基于FGPC的单元机组协调控制系统研究

针对单元机组的大迟延、强耦合、参数时变且不确定性的特点,将T—s模糊模型引入预测控制中,作为预测模型。首先,用改进的模糊c一均值聚类算法和随机牛顿法辨识得到非线性系统的T-s模型;然后基于线性化后的系统模型设计模糊广义预测控制器,并对非线性对象进行在线控制。仿真结果表明：FGPC对于时变的非线性系统具有很好的控制效果。     

模糊核聚类在优化模糊控制隶属函数中的应用

针对模糊控制器隶属函数的设计与优化缺乏自学习能力的缺点,将模糊核聚类算法与TrustRegion(信赖域)方法结合起来。首先利用模糊核聚类算法对模糊控制输入、输出样本集进行聚类,然后用Trust-Region最优化方法对聚类结果进行曲线拟合,实现了模糊控制输入、输出空间的划分、隶属函数类型的确定和参数的优化。在Matlab中的仿真结果表明:模糊控制器经过笔者提出的算法优化后控制品质有较大的改善和提高。     

基于改进的模糊C-均值聚类算法的接线箱分配设计与应用

为了解决工程设计中接线箱分配最优化的问题,通过分析和比较各种聚类方法,对模糊C-均值聚类算法进行改进和参数设置,通过初始化、迭代、解模糊及分裂等步骤,实现了接线箱的自动分配功能。并设计了一种基于改进的模糊C-均值聚类算法的接线箱分配辅助软件,可以根据不同要求自动分配接线箱的功能,给出了软件流程,分析了实验结果,并在某设计院项目接线箱的实际布置中成功应用。     

一种基于数据驱动的模糊系统建模方法

针对工业生产中的一些复杂、非线性模糊系统,传统的建模方法很难描述其特性,而在实际生产中存在大量输入输出数据,提出了一种通用的基于数据驱动的模糊系统建模方法.采用减法聚类和模糊C-均值相结合的模糊聚类算法对输入空间进行划分,进而从输入输出采样数据中提取系统模糊规则,这样使得被辨识模型可用若干局部线性模型表示,然后利用递推最小二乘法对后件参数进行辨识,从而建立了非线性系统的T-S模糊模型.最后,应用该方法对一个非线性系统进行辨识,仿真结果验证了所提方法的有效性.     

诺西肽发酵过程中的分阶段软测量建模

诺西肽发酵过程中关键生化参数难以在线测量,给控制与优化带来困难.针对这一问题,利用软测量技术来实现关键生化参数的在线估计,并提出了一种分阶段软测量建模方法.首先以分阶段的诺西肽发酵过程非结构模型为基础,根据隐函数存在定理进行辅助变量的合理选择;然后利用模糊c均值聚类算法将建模数据按其所属阶段的不同进行分类,并利用神经网...     

基于灰色系统理论的陶瓷制品颜色提取研究

针对陶瓷制品陶瓷墙地砖颜色特征提取的关键问题,提出了灰色聚类的改进算法。并同其他已有的模糊C均值算法(FCM)、MOP_FCM、鲁棒性的FCM、改进的鲁棒性模糊C均值算法,传统的灰色聚类算法,通过实验进行算法性能分析,颜色特征提取效果比较。实验结果表明,本文提出的改进算法,算法性能更高,颜色特征提取效果更明显,更有利于进行色差比较。     

基于主元分析-模糊C均值聚类优化黄霉素发酵过程

在优化黄霉素摇瓶发酵过程中,首先利用主元分析(PCA)将黄霉素摇瓶发酵过程中的控制参数进行降维处理,消减不重要的控制参数;然后利用模糊C均值聚类方法(FCM)对主元分析处理后选取的重要控制参数进行聚类分析,优化黄霉素摇瓶发酵控制参数的分布范围。实验证明,基于主元分析(PCA)和模糊C均值聚类(FCM)的混合算法有效地缩小了黄霉素摇瓶发酵过程中主要控制参数的分布范围。这充分说明该混合算法对黄霉素摇瓶发酵过程的优化具有良好的指导作用。     

一种基于历史数据的加热炉温度模糊控制规则提取方法

针对加热炉模糊控制器模糊规则库难以建立的问题,提出了一种基于历史数据的加热炉温度模糊控制规则提取方法。此方法包含3个环节,首先选择输入输出变量和典型工况的历史数据并对数据进行预处理,再对历史数据使用模糊C-均值聚类算法以确定规则数目和输入变量的隶属度函数,最后对每条规则使用支持向量回归机算法确定规则的后件参数。应用此方法能够有效地提取加热炉模糊控制器的模糊规则,实验结果验证了该方法的有效性。     

基于两步矩阵投影的数据分类算法

提出了一种数据分类的两步矩阵投影算法.指出Crowe提出的矩阵投影算法在数据分类中存在由于投影矩阵不惟一,导致已测可校正数据分类不彻底的缺点.采用已测数据预分类的方法,对其进行了修正.在此基础上,将矩阵投影算法引入到了未测数据分类中,提出了基于矩阵投影算法的未测数据分类算法.新算法只需求解两个投影矩阵就可以实现所有数据分类.从而避免了常规方法在未测数据分类时,求解未测数据关联矩阵绝对线性无关列的计算,提高了计算效率.数学推导和算例验证了新算法的有效性.     

基于改进双种群遗传算法的复合材料层合板铺层优化设计

针对复合材料层合板铺层优化设计过程中易出现的算法早熟及收敛慢的问题,结合多种群遗传算法和自适应遗传算法,提出一种引入自适应算子的改进双种群遗传算法。在算法过程中以对称复合材料层合板为例进行验证,通过Patran建立有限元初始模型,采用Matlab编写遗传算法主程序及数据传递程序,实现对Nastran的输入输出文件的读写,并在以Tsai-Wu准则为基础确立的适应度函数下,对复合材料层合板的铺层顺序进行优化。对比传统遗传算法,结果表明该改进算法能够明显提高优化效率,并能够有效收敛于全局最优解,对解决复合材料结构优化设计问题有一定的指导意义。     

多阶段区间模糊决策问题的λ模糊启发式搜索算法IFDA

提出了多阶段区间模糊决策问题的自底向上的λ模糊启发式搜索算法IFDA ,并证明了只要启发式估价函数h可采纳 ,则IFDA 算法亦可采纳 ,且定能找到具有最小耗散的最佳决策序列 ,对于可采纳启发式估价函数h通常难以设计这一问题 ,提出了启发式估价函数的渐进式学习算法Learning h.证明了通过IFDA 算法的大量解 ,Learning h算法能以概率为 1使启发式估价函数学习并收敛为可采纳的启发式估价函数。     

换热网络合成问题的并行BB/SQP混合算法

换热网络合成问题通常可用非凸、非线性、不可微的混合整数非线性规划模型描述。基于GPU的并行计算技术为求解大规模模型提供了高效支撑。针对已有并行SQP算法求解换热网络合成问题中存在二元变量组合数过多、并行SQP算法求解结果严重依赖初值等问题,提出了BB/SQP混合并行算法。该算法采用BB算法代替枚举法,不但大大减少了模型求解中可能的二元变量组合,而且为SQP算法选出了可行的初值,从而提高了算法的求解质量。研究表明,所提出的混合并行算法能够有效求解换热网络合成问题,且并行计算相比串行计算的求解速度显著增加,加速比可达39。     

DNA computing based RNA genetic algorithm with applications in parameter estimation of chemical engineering processes

Based on RNA genetic operations and DNA sequence model under selection and mutation, an electronic RNA genetic algorithm (RNA-GA) with improved crossover and mutation operator is proposed. The proposed algorithm can be implemented on real biochemical reaction after simple transition, thus, the brute force method of DNA computing can be broken. The convergence analysis of the proposed algorithm shows that RNA-GA with elitist strategy can converge in probability to the global optimum. Comparisons of RNA-GA with standard genetic algorithm (SGA) for typical test functions show the advantages and efficiency of the proposed algorithm. As illustrations, the RNA-GA is implemented on parameter estimation of a heavy oil thermal cracking 3-lumping model and a fluid catalytic cracking unit (FCCU) main fractionator. In both cases, it is shown that the methodology is effective in parameter estimation of chemical processes.     

改进鲸鱼算法在桁架结构优化中的应用

针对鲸鱼算法(WOA)在面对桁架结构优化问题上容易陷入局部最优和收敛精度低的缺点,在原始鲸鱼算法的基础上,引入信息熵,提出了信息熵的改进鲸鱼优化算法。信息熵本身是一种不确定的度量,利用信息熵在路径选择时调控鲸鱼搜索的范围,克服基本鲸鱼优化算法的不足,使算法的全局收敛速度得到提高。选取了2个经典的桁架结构优化问题进行求解并与其他算法对比,结果表明:基于信息熵改进的鲸鱼算法在桁架结构优化设计中优于其他算法,运行更少的迭代次数达到目标函数。     

神经网络遗传算法及其在乙烯裂解过程预测中的应用研究

针对复杂神经网络模型的结构特性和ＢＰ网络梯度下降法的缺点,将遗传算法与神经网络相结合,提出了基于改进连续化遗传算法的神经网络学方法,并将其应用于大型乙烯裂解产品分布预测,获得了较好的过于模拟结果。     

Evaluation of the use of the Chebyshev algorithm with the quadrature method of moments for simulating aerosol dynamics

The quadrature method of moments (QMOM) has been widely used for the simulation of the evolution of moments of the aerosol general dynamic equations. However, there are several shortcomings in a crucial component of the method, the product-difference (P-D) algorithm. The P-D algorithm is used to compute the quadrature points and weights from the moments of an unknown distribution. The algorithm does not work for all types of distributions or for even reasonably high-order quadrature. In this work, we investigate the use of the Chebyshev algorithm and show that it is more robust than the P-D algorithm and can be used for a wider class of problems. The algorithm can also be used in a number of applications, where accurate computations of weighted integrals are required. We also illustrate the use of QMOM with the Chebyshev algorithm to solve several problems in aerosol science that could not be solved using the P-D algorithm.     

融合电容层析成像先验信息的集合卡尔曼滤波统计估计

提出融合先验信息的电容层析成像(ECT)系统信息融合成像法——基于Bayesian重建算法的集合卡尔曼滤波融合算法(EnKF)。其优势在于能充分利用流体动力方面的先验信息,进一步修正原始迭代算法的重建图像质量。Bayesian重建算法在重建图像的迭代过程充分考虑噪声和图像的概率分布,完成初步成像过程。集合卡尔曼滤波算法利用先验信息实现对多相流流体流动的预测,继而改善成像质量。此外,为了便于估算误差的协方差,多相流的相分布作为EnKF融合方法的估计对象,用状态向量空间的灰度差分统计描述,明显改善了通过状态向量空间模型获得的统计估算结果。仿真和试验的结果都充分表明了在ECT系统中集合卡尔曼滤波融合方法的可行性。     

基于LPP-GNMF算法的化工过程故障监测方法

提出了基于LPP-GNMF算法的化工过程故障监测方法。非负矩阵分解（NMF）是一种新兴的降维算法,由于它在机理上具有潜变量的正向纯加性的特点,所以在对数据进行压缩时,可以基于数据内部的局部特征有效描述数据信息,相比于传统的多元统计过程监控方法如主元分析（PCA）等有更好的解释能力。然而NMF要求原始数据满足非负性的要求,实际的化工过程有时并不能保证,为放宽对原始数据的非负要求,引入了广义非负矩阵分解（GNMF）算法。其次,GNMF在分解的过程中没有考虑到样本间的局部结构和几何性质,可能存在不能准确处理数据的问题。针对这一问题,提出了将GNMF与LPP（局部投影保留）相结合的算法。将提出的LPP-GNMF算法应用于TE过程来评估其监测性能,并与PCA算法、NMF算法、SNMF算法进行比较,仿真模拟结果表明所提算法的可行性。